我想计算一些数据(包括NaN)的几何平均值,我该怎么做?
我知道如何用 NaN 计算平均值,我们可以使用以下代码:
import numpy as np
M = np.nanmean(data, axis=2).
那么如何使用geomean呢?
我想计算一些数据(包括NaN)的几何平均值,我该怎么做?
我知道如何用 NaN 计算平均值,我们可以使用以下代码:
import numpy as np
M = np.nanmean(data, axis=2).
那么如何使用geomean呢?
您可以使用身份(我只在德语维基百科中找到它,但可能还有其他来源):
这个恒等式可以使用几何平均值的正常定义上的“对数规则”来构造:
a
可以任意选择基数,因此您可以使用(np.log
并np.exp
作为逆运算):
import numpy as np
def nangmean(arr, axis=None):
arr = np.asarray(arr)
inverse_valids = 1. / np.sum(~np.isnan(arr), axis=axis) # could be a problem for all-nan-axis
rhs = inverse_valids * np.nansum(np.log(arr), axis=axis)
return np.exp(rhs)
它似乎有效:
>>> l = [[1, 2, 3], [1, np.nan, 3], [np.nan, 2, np.nan]]
>>> nangmean(l)
1.8171205928321397
>>> nangmean(l, axis=1)
array([ 1.81712059, 1.73205081, 2. ])
>>> nangmean(l, axis=0)
array([ 1., 2., 3.])
在 NumPy 1.10 中也np.nanprod
添加了,所以你也可以使用正常的定义:
import numpy as np
def nangmean(arr, axis=None):
arr = np.asarray(arr)
valids = np.sum(~np.isnan(arr), axis=axis)
prod = np.nanprod(arr, axis=axis)
return np.power(prod, 1. / valids)